在机器学习中，通过大数据调整权重系数与偏差，使得经验损失函数达到最小。一个基本问题是：经验最优与理想最优的差别有多大？我在这个报告中将介绍Vapnik与Talagrand关于这个问题的奠基性工作，并将他们的工作推广至无界损失函数情况。关键工具是Bernstein集中不等式，经验过程理论与VC维数或度量熵。